＜小代码，大解析＞01背包问题--动态规划问题

​​​​​​

有 N 件物品和一个容量是 V的背包。每件物品只能使用一次。

第 i件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式

第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi用空格隔开，分别表示第 i件物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000

输入样例

4 5
1 2
2 4
3 4
4 5

输出样例：

8

边看代码边解析 

背包微分体积(右方每列），物品次序（下方每行），行列交叉格表示价值最优解	0	1	2	3	4	5
0	0	0	0	0	0	0
(1,2)1	0	2	2	2	2	2
(2,4)2	0	2	0+4>2-> 4	2+4>2-> 6	6	6
(3,4)3	0	2	4	0+4<6-> 6	2+4=6-> 6	4+4>6-> 8
(4,5)4	0	2	4	6	0+5<6-> 6	2+4<8-> 8
0+4>2-> 4中0来自dp[i-1][j-v[i]],即第一行第零列

#include<iostream>
using namespace std;

int v[1010], w[1010];//体积和价值录入数组
int dp[1010][1010];//dp最优解数组，行代表对物品的考虑，列代表对体积的考虑

int main()
{
	int N, V;
	cin >> N >> V;
	for (int i = 1; i <= N; i++)
	{
		cin >> v[i] >> w[i];
	}
	for (int i = 1; i <= N; i++)//行代表物品，即第i个物品要不要放入
	{
		for (int j = 1; j <= V; j++)//列代表体积，把一个给定的体积进行微分
			//比如体积为3就分成体积为0,1,2,3时的情况，每个微分体积考虑最优解
			//0的话，由于数组定义在main函数外作全局变量，dp[i][0],dp[0][j]全部为0
			//不再作计算上的考虑，直接使用其值即可
		{
			if (j < v[i])//当前微分体积下，能放得进这个物品吗，if判断的是不能放入的情况
			{
				dp[i][j] = dp[i - 1][j];//因为不能放进这个物品，所以背包内价值的
				//最优解（给定微分体积下能达到的最大价值）为上一个物品在该微分体积下
				//的取舍情况
			}
			else//如果能放入该物品
			{
				//此时考虑的问题是，放入该物品后，之前的物品还能放下吗
				//之前物品能不能放下，取决于放下该物品后，背包剩余体积
				//所以问题就转换成剩余体积时最优解的情况加上本物品价值后，
				//和上一个物品在该体积时，价值最优解谁更大，谁的价值更大，谁的解就更优
				//为什么要和上一个物品在该体积下的价值最优解作比较呢？
				//这么思考，如果你放了这个物品，之前物品的放入肯定受影响
				//但是如果你不放入该物品，在该体积下就会有相应的空间去放之前的物品
				//因为你放了这个物品，可能导致之前有的物品放不下，从而价值还不如不放
				//本物品时的最优解大，所以需要比较，那么上一个物品在该体积时的最优解
				//在哪呢
				dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - v[i]] + w[i]);
				//i表示物品次序，那么上一个物品就是i-1，上一个该微分体积同样是j
				//所以要和dp[i-1][j]作比较
				//是dp[i][j]和dp[i-1][j]作比较吗？当然不
				//因为dp[i][j]还没存东西呢
				//刚才也说了，放入该物品后可能会有剩余空间，也可以用来放物品
				//所以要考虑剩余空间时，不考虑放入本物品的最优解
				//也就是dp[i-1][j-v[i]]
				//j表示现在的微分体积，j-v[i]就是放入了本物品后剩余的微分体积
				//那么dp[i-1][j-v[i]]就是对之前最优解的回溯了
				//在之前没有考虑本物品时，只有j-v[i]微分体积时，前i-1个物品都是
				//怎么安排的呢？这不就表示出来了吗

			}
		}
	}
	cout << dp[N][V];
	return 0;
}